Icono del sitio YouNoticias

Cómo evaluar el software de IA

Cómo evaluar el software de IA

La compra de software estándar de IA (inteligencia artificial) es un buen primer paso para las empresas nuevas en la tecnología. No debería ser necesario invertir en infraestructura técnica o recurrir a costosas ciencias de datos. También tendrá la ventaja de obtener una solución que ha sido probada por otros clientes. En su mayor parte, los niveles de precisión deben ser confiables, ya que es probable que los algoritmos se implementen correctamente.

Pero hay un problema persistente: hay muchas aplicaciones de IA en el mercado y es extremadamente difícil determinar cuál es la mejor opción. Después de todo, parece que la mayoría de los proveedores de tecnología están promocionando sus capacidades de IA como una forma de destacarse entre la multitud.

Entonces, ¿cuáles son los factores a considerar al evaluar una nueva solución? Echemos un vistazo a lo siguiente:

Conectores de datos: La IA es inútil sin datos. Es el combustible de las ideas.

Pero cuando se trata de una nueva solución de IA, puede ser difícil encontrar las fuentes de datos adecuadas, codificarlas e integrarlas. Por lo tanto, al evaluar una aplicación, debe asegurarse de que haya formas de administrar este proceso.

«La tarea más compleja en una solución de inteligencia artificial ya no es implementar el algoritmo de aprendizaje automático, generalmente está disponible como un conjunto de funciones en cada herramienta, sino recopilar los datos», dijo Rosaria Silipo, estudiante de doctorado. y científico de datos senior en KNIME. “Es decir, conéctese a varias fuentes de datos, en las instalaciones, en la web o en la nube, y extraiga los datos de interés. «

Flexibilidad: La IA no tiene un alcance general. En cambio, se centra en casos de uso particulares. A esto se le llama «IA débil».

Por eso es importante ver si la aplicación está diseñada para manejar su situación vertical o particular.

«Tomemos la investigación, por ejemplo, donde la IA se puede utilizar para reclasificar resultados y mejorar la relevancia», dijo Ciro Greco, vicepresidente de inteligencia artificial de Coveo. “Cuando se aplica al comercio electrónico, la búsqueda busca registros semiestructurados, como productos con poco texto disponible, y podemos confiar en cantidades razonables de datos de comportamiento producidos por los usuarios que navegan por el sitio web. Una estrategia basada en el comportamiento del usuario puede ser muy eficaz porque podemos confiar en suficientes datos para aprender.

Sin embargo, la investigación de IA para casos de uso de servicio al cliente suele ser muy diferente. A menudo se trata de encontrar documentos técnicos. “Hay mucho texto no estructurado, como artículos de conocimiento, y menos puntos de datos de comportamiento porque los sitios web de servicio al cliente suelen ser menos visitados que las plataformas de comercio electrónico”, dijo Greco. «Entonces, en este caso, es probable que una estrategia basada en PNL para el modelado de sujetos sea más efectiva, ya que necesitamos maximizar la ganancia de la información que tenemos, en este caso texto libre».

Facilidad de uso: Esto es absolutamente crítico. El usuario de IA es a menudo una persona no técnica. Si la aplicación es compleja, fácilmente podría haber poca adopción.

IA ética: Incluso si la aplicación es correcta, puede haber riesgos. Los datos pueden tener sesgos inherentes, lo que podría sesgar los resultados. Es por eso que debe obtener una explicación de los datos y cómo se utilizan.

“Lo que muchos olvidan al evaluar una solución de IA es el daño o riesgo potencial que podría representar para su organización”, dijo Michael Mazur, fundador y director ejecutivo de AI Clearing. “¿Qué pasa si su organización es demandada por implementar esta solución? «

Fresco: «Si usted es el primer cliente en una industria específica para un proveedor de inteligencia artificial, entonces es un cliente muy valioso y puede usarlo como palanca de negociación para un contrato rentable», dijo Brian Jackson, analista. y director de investigación en Info-Tech Research Group.

Tomás (@ttaulli) es asesor / miembro de la junta directiva de startups y autor de Conceptos básicos de inteligencia artificial: una introducción no técnica, El manual de automatización de procesos robóticos: una guía para implementar sistemas RPA y Implementación de sistemas de inteligencia artificial: transforme su negocio en 6 pasos. HTambién ha desarrollado varios cursos en línea, como para el COBOL y Pitón Lenguajes de programación.

Salir de la versión móvil